半夏小說

穿越牛頓時代,只有我會數學分析_第32章 黃金一代的崛起(2)

關燈

陳遠偶爾會來圖書館,坐在貝葉斯旁邊,看他工作,偶爾提問,但很直接給出答案。今天也是如此。

“還在糾結概率的定義?”陳遠輕聲問,在貝葉斯對面坐下。他的臉比幾個月前更蒼白,但眼睛依然敏銳。

貝葉斯抬頭,疲憊的眼睛:“是的,先生。我讀了伯努利先生的《猜度》,他理了獨立重複試驗中頻率趨於概率的問題,但沒有嚴格證明。我想用您的極限理論給出嚴格證明,但遇到了困難。”

“什麼困難?”

“伯努利大數定律說:在獨立重複試驗中,事件發生的頻率依概率收斂於該事件的概率。但‘依概率收斂’是什麼意思?和您講的一致收斂。逐點收斂有什麼不同?”

陳遠思考片刻。這是一個深刻的問題,及了概率論收斂模式的獨特。在原本的歷史中,這些問題要到20世紀才被徹底釐清。

“也許,”陳遠緩緩說,“你需要定義一種新的收斂模式。設X_n是隨機變數序列,X是隨機變數。我們說X_n依概率收斂於X,如果對任意ε>0,當n→∞時,P(|X_n-X|>ε)→0。”

貝葉斯眼睛一亮:“這和逐點收斂不同!逐點收斂要求對每個樣本點,X_n(ω)→X(ω)。但依概率收斂允許在某些樣本點上不收斂,只要這些點的概率趨於0。”

“正是如此。”陳遠點頭,“而且,你還可以考慮更強的收斂:幾乎收斂,即P({ω: X_n(ω)→X(ω)}) = 1。以及更弱的收斂:分佈收斂。這些不同的收斂模式,對應概率論中不同的極限定理。”

貝葉斯快速記錄,筆尖在紙上沙沙作響。“那麼伯努利大數定律,應該用哪種收斂?”

“用依概率收斂就可以證明。但證明需要工——你需要切比雪夫不等式,或者更基本的馬爾可夫不等式。這些不等式將概率與期聯繫起來,是分析概率論的關鍵工。”

陳遠簡要描述了這些不等式的思想。貝葉斯聽得神,不時提問。當陳遠講到中心極限定理的雛形——獨立同分佈隨機變數和的標準化依分佈收斂於正態分佈——時,貝葉斯激地站起來。

滿滿滿

)B(P/)A(P)A|B(P=)B|A(P0)B(P)A(P)A|B(P=)B(P)B|A(P=)BA(PAB)B|A(PBA

)B|A(PB)A(PA

96171

|)yx(f|x/b a{n=hh|0x-x|0y=)0x(y )yx(f=xd/yd|2y-1y|L|)2yx(f-)1yx(f|R)2yx()1yx(使L滿yb|0y-y| a|0x-x| :R)yx(f

td ))t(n_y t(f x^}0x{ + 0y = )x(}1+n{y

滿)x(y)x(y西

稿

西

21-96171

使

使稿

216171

稿

稿

6171

C

稿西